學(xué)期《智慧農(nóng)業(yè)導(dǎo)論》復(fù)習(xí)資料匯編

信息科學(xué)與技術(shù)學(xué)院《智慧農(nóng)業(yè)導(dǎo)論》復(fù)習(xí)資料匯編第1章緒論1.農(nóng)業(yè)革命農(nóng)業(yè)的產(chǎn)生是人類歷史上的一次巨大革命。這場革命被稱為第一次農(nóng)業(yè)革命或新石器革命。

農(nóng)業(yè)1.0是以體力勞動(dòng)為主的小農(nóng)經(jīng)濟(jì)時(shí)代；從狩獵和采集到定居農(nóng)業(yè)的轉(zhuǎn)變，靠天吃飯時(shí)代。農(nóng)業(yè)2.0是機(jī)械化生產(chǎn)為主、適度經(jīng)營的“種植大戶”時(shí)代；18世紀(jì)英國的農(nóng)業(yè)革命，一直到19世紀(jì)中葉。這個(gè)時(shí)代的農(nóng)業(yè)發(fā)展，借助工業(yè)革命的成果，大量的機(jī)械工具、蒸汽機(jī)、無機(jī)能源應(yīng)用到農(nóng)業(yè)領(lǐng)域，使得農(nóng)業(yè)的作業(yè)效率和單位收成大大提高。農(nóng)業(yè)3.0是以現(xiàn)代科學(xué)技術(shù)為主要特征的農(nóng)業(yè)，涉及到戰(zhàn)后生產(chǎn)力的增加，與發(fā)展中國家的機(jī)械化和綠色革命有關(guān)。19世紀(jì)下半葉至20世紀(jì)末的農(nóng)業(yè)時(shí)期定義為3.0時(shí)代。同樣依托工業(yè)技術(shù)的快速發(fā)展，生物技術(shù)、信息技術(shù)的突飛猛進(jìn)。農(nóng)業(yè)4.0（智慧農(nóng)業(yè)）是農(nóng)業(yè)生產(chǎn)的高級(jí)階段，是集新興的互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算和物聯(lián)網(wǎng)技術(shù)為一體，依托部署在農(nóng)業(yè)生產(chǎn)現(xiàn)場的各種傳感節(jié)點(diǎn)（環(huán)境溫濕度、土壤水分、二氧化碳、圖像等）和無線通信網(wǎng)絡(luò)實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)環(huán)境的智能感知、智能預(yù)警、智能決策、智能分析、專家在線指導(dǎo)，為農(nóng)業(yè)生產(chǎn)提供精準(zhǔn)化種植、可視化管理、智能化決策，是現(xiàn)代農(nóng)業(yè)發(fā)展升級(jí)版。21世紀(jì)是農(nóng)業(yè)4.0的時(shí)代。農(nóng)業(yè)生產(chǎn)將更多的應(yīng)用智能互聯(lián)、物聯(lián)網(wǎng)、大數(shù)據(jù)、電子商務(wù)等互聯(lián)網(wǎng)技術(shù)，有效擺脫自然災(zāi)害的因素，不在束縛于土壤種植的約束，使農(nóng)業(yè)作業(yè)更加生態(tài)化、智能化、都市化、自由化。2.智慧農(nóng)業(yè)內(nèi)涵智慧農(nóng)業(yè)是一個(gè)新興的概念，它是指使用現(xiàn)代信息和通信技術(shù)管理農(nóng)業(yè)生產(chǎn)，以提高產(chǎn)品的數(shù)量和質(zhì)量，同時(shí)優(yōu)化所需人力，這也就意味著高效農(nóng)業(yè)。智能農(nóng)業(yè)的概念包括許多不同的技術(shù)，這些技術(shù)可以單獨(dú)使用，也可以一起使用，以提高農(nóng)業(yè)作業(yè)的效率。21世紀(jì)的農(nóng)民可以使用GPS、土壤掃描、數(shù)據(jù)管理和物聯(lián)網(wǎng)技術(shù)。通過精確測量田間變化并相應(yīng)地調(diào)整戰(zhàn)略，農(nóng)民可以大大提高農(nóng)藥和化肥的有效性，并更有選擇性地使用它們。同樣，使用智慧農(nóng)業(yè)技術(shù)，農(nóng)民可以更好地監(jiān)測個(gè)別動(dòng)物的需要，并相應(yīng)地調(diào)整其營養(yǎng)，從而預(yù)防疾病，提高畜群健康。要充分考慮農(nóng)業(yè)（作物和牲畜等系統(tǒng)）的多樣性，結(jié)合新技術(shù)、網(wǎng)絡(luò)以及相關(guān)的市場和政策，數(shù)字時(shí)代的農(nóng)業(yè)才能稱之為“智能農(nóng)業(yè)”（SmartFarming，SmartAgriculture）3.智慧農(nóng)業(yè)解決方案

智慧農(nóng)業(yè)是農(nóng)業(yè)生產(chǎn)的高級(jí)階段，是集新興的互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)為一體，依托部署在農(nóng)業(yè)生產(chǎn)現(xiàn)場的各種傳感節(jié)點(diǎn)（環(huán)境溫濕度、土壤水分、二氧化碳、圖像等）和無線通信網(wǎng)絡(luò)實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)環(huán)境的智能感知、智能預(yù)警、智能決策、智能分析、智能服務(wù)，為農(nóng)業(yè)生產(chǎn)提供精準(zhǔn)化種植、可視化管理、智能化決策。智慧農(nóng)業(yè)還包括農(nóng)業(yè)電子商務(wù)、食品溯源防偽、農(nóng)業(yè)休閑旅游、農(nóng)業(yè)信息服務(wù)等方面的內(nèi)容。物聯(lián)網(wǎng)物聯(lián)網(wǎng)這個(gè)概念，早在2000年美國就已經(jīng)提出，當(dāng)時(shí)叫傳感網(wǎng)。其定義是通過射頻識(shí)別、紅外感應(yīng)器、全球定位系統(tǒng)、激光掃描器等信息傳感設(shè)備，按約定的協(xié)議，把任何物品通過物聯(lián)網(wǎng)相連接進(jìn)行信息交換和通信，以實(shí)現(xiàn)智能化識(shí)別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)。通俗的說，物聯(lián)網(wǎng)是在“互聯(lián)網(wǎng)概念”基礎(chǔ)上，將用戶端延伸和擴(kuò)展到物與物之間進(jìn)行信息交換和通信的一種網(wǎng)絡(luò)。物聯(lián)網(wǎng)的英文名稱為“TheInternetofThings”，簡稱IOT，即“物物相連的互聯(lián)網(wǎng)”。這表明兩點(diǎn)，第一，物聯(lián)網(wǎng)的核心和基礎(chǔ)仍然是互聯(lián)網(wǎng)，是在互聯(lián)網(wǎng)基礎(chǔ)之上延伸和擴(kuò)展的一種網(wǎng)絡(luò)；第二，其用戶端延伸和擴(kuò)展到了任何物品與物品之間進(jìn)行信息交換和通信。物聯(lián)網(wǎng)是將無處不在的末端設(shè)備和設(shè)施，包括具備“內(nèi)在智能”的傳感器、移動(dòng)終端、工業(yè)系統(tǒng)、樓控系統(tǒng)、家庭智能設(shè)施、視頻監(jiān)控系統(tǒng)等，以及貼上電子標(biāo)簽的各種資產(chǎn)、攜帶無線終端的個(gè)人與車輛等“智能化物品”，通過各種通訊網(wǎng)絡(luò)實(shí)現(xiàn)互聯(lián)互通，采用適當(dāng)?shù)男畔踩Ｕ蠙C(jī)制，提供安全可控乃至個(gè)性化的實(shí)時(shí)在線監(jiān)測、定位追溯、報(bào)警聯(lián)動(dòng)、調(diào)度指揮、預(yù)案管理、遠(yuǎn)程控制、安全防范、在線升級(jí)、決策支持等管理和服務(wù)功能，實(shí)現(xiàn)對“萬物”的“高效、節(jié)能、安全、環(huán)?！钡摹肮堋⒖?、營”一體化服務(wù)，圖6-2-1是一個(gè)物聯(lián)網(wǎng)的概念圖，可將各種智能終端連接起來。大數(shù)據(jù)2011年，美國麥肯錫在研究報(bào)告《大數(shù)據(jù)的下一個(gè)前沿：創(chuàng)新、競爭和生產(chǎn)力》中給出了大數(shù)據(jù)的定義：大數(shù)據(jù)是指大小超出典型數(shù)據(jù)庫軟件工具收集、存儲(chǔ)、管理和分析能力的數(shù)據(jù)集。大數(shù)據(jù)研究機(jī)構(gòu)Gartner公司分析師道格·蘭尼認(rèn)為：大數(shù)據(jù)具有量大、變化快和多樣性高的特點(diǎn)，是需要新型處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)海量、高增長率和多樣化的信息資產(chǎn)。百度百科對于大數(shù)據(jù)的定義：大數(shù)據(jù)是指無法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。人工智能即人工智能是研究人類智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計(jì)算機(jī)去完成以往需要人的\t"/item/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/_blank"智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟\t"/item/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/_blank"硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。人工智能是研究使計(jì)算機(jī)來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類似于人腦智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。人工智能將涉及到計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科?？梢哉f幾乎是自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，其范圍已遠(yuǎn)遠(yuǎn)超出了計(jì)算機(jī)科學(xué)的范疇。4.農(nóng)業(yè)進(jìn)入數(shù)字時(shí)代：第三次綠色革命！

不斷增長的智慧農(nóng)機(jī)能夠把數(shù)據(jù)變成有用而實(shí)時(shí)的知識(shí)，正成為農(nóng)業(yè)生產(chǎn)力可持續(xù)增長的關(guān)鍵動(dòng)力。減輕勞動(dòng)強(qiáng)度、追求更高收成，也就是說減少使用昂貴的化肥、化學(xué)品支出和勞動(dòng)時(shí)間。這意味著越來越依賴先進(jìn)的農(nóng)機(jī)進(jìn)行農(nóng)田耕、播種、鋤草、是收獲和加工等。GPS的運(yùn)用可使拖拉機(jī)和收割機(jī)準(zhǔn)確作業(yè)，通過其他基于衛(wèi)星的傳感器農(nóng)民可以了解器土壤水分含量分布圖及作物生長情況。這就使得農(nóng)民始終明白自己的土地和作物情況，知道如何去管理它，這樣的系統(tǒng)有助于他從了解每個(gè)地塊精確到了解某平方米的情況。智能手機(jī)，相當(dāng)于幾十年前的一臺(tái)超級(jí)計(jì)算機(jī)，具有收集和分析數(shù)據(jù)的能力。進(jìn)入大數(shù)據(jù)時(shí)代，新穎的技術(shù)，可以使我們利用大量的可用信息。

5.精準(zhǔn)農(nóng)業(yè)精準(zhǔn)農(nóng)業(yè)（或稱精確農(nóng)業(yè)）是基于物聯(lián)網(wǎng)方法的一個(gè)整體概念，可使農(nóng)業(yè)更加可控和準(zhǔn)確。簡單地說，針對每個(gè)植物和動(dòng)物都能夠得到精確的管理，這由比人還準(zhǔn)確的機(jī)器決定。與傳統(tǒng)方法最大的不同是，精確農(nóng)業(yè)允許針對每平方米甚至每株植物/動(dòng)物做出決策，而不是為某塊地做出決策。通過精確測量田間變化，農(nóng)民可以提高農(nóng)藥和化肥的有效性，或者有選擇地使用它們。

6.智慧農(nóng)業(yè)可用技術(shù)傳感器：土壤、水、光、濕度、溫度管理軟件：針對特定農(nóng)業(yè)服務(wù)或用途的IoT平臺(tái)的專用軟件連接：蜂窩、LoRa等位置：GPS、衛(wèi)星等機(jī)器人：自主拖拉機(jī)、加工設(shè)施等數(shù)據(jù)分析：獨(dú)立分析解決方案、用于下游解決方案的數(shù)據(jù)流等。

基于此，農(nóng)民甚至不用去田間就能監(jiān)測田間情況，并為整個(gè)農(nóng)場或單一工廠做出戰(zhàn)略決策。智能農(nóng)業(yè)的驅(qū)動(dòng)力是物聯(lián)網(wǎng)，連接集成在農(nóng)場上的智能機(jī)器和傳感器，使農(nóng)業(yè)流程采用數(shù)據(jù)驅(qū)動(dòng)或數(shù)據(jù)使能。

7.計(jì)算思維的本質(zhì)抽象：在不同層次上完成問題建模：忽略某些細(xì)節(jié)，如最短路徑求解，方程計(jì)算。數(shù)據(jù)建模：考慮數(shù)據(jù)特點(diǎn)，數(shù)據(jù)可抽象為線性結(jié)構(gòu)，樹結(jié)構(gòu)，圖結(jié)構(gòu)等。待求解問題問題分析數(shù)據(jù)模型功能模型數(shù)據(jù)結(jié)構(gòu)算法步驟程序?qū)崿F(xiàn)借助現(xiàn)有軟件或工具完成所需功能問題求解方法之二待求解問題問題分析數(shù)據(jù)模型功能模型數(shù)據(jù)結(jié)構(gòu)算法步驟程序?qū)崿F(xiàn)借助現(xiàn)有軟件或工具完成所需功能問題求解方法之二問題求解方法之一問題抽象自動(dòng)化云計(jì)算（cloudcomputing）是分布式計(jì)算的一種，指的是通過網(wǎng)絡(luò)“云”將巨大的數(shù)據(jù)計(jì)算處理程序分解成無數(shù)個(gè)小程序，然后，通過多部服務(wù)器組成的系統(tǒng)進(jìn)行處理和分析這些小程序得到結(jié)果并返回給用戶。“云”實(shí)質(zhì)上就是一個(gè)網(wǎng)絡(luò)，狹義上講，云計(jì)算就是一種提供資源的網(wǎng)絡(luò)，使用者可以隨時(shí)獲取“云”上的資源，按需求量使用，并且可以看成是無限擴(kuò)展的，只要按使用量付費(fèi)就行。2006年8月9日，Google首席執(zhí)行官埃里克·施密特（EricSchmidt）在2006年的搜索引擎大會(huì)（SESSanJose2006）上首次提出了“云計(jì)算”（CloudComputing）的概念。云是網(wǎng)絡(luò)、互聯(lián)網(wǎng)的一種比喻說法，它是基于互聯(lián)網(wǎng)提供動(dòng)態(tài)、易擴(kuò)展、虛擬化資源的一種計(jì)算模式，通常以服務(wù)的形式提供。云計(jì)算是一種商業(yè)計(jì)算模型，它將計(jì)算任務(wù)分布在大量計(jì)算機(jī)構(gòu)成的資源池上，使用戶能夠按需獲取計(jì)算力、存儲(chǔ)空間和信息服務(wù)。也就是說，云計(jì)算是一種按使用量付費(fèi)的模式，這種模式提供可用、便捷、按需的網(wǎng)絡(luò)訪問。用戶只要進(jìn)入可配置的計(jì)算資源共享池（包括網(wǎng)絡(luò)、服務(wù)器、存儲(chǔ)、應(yīng)用軟件、服務(wù)等資源），那么這些資源就像水、電、煤氣一樣能夠被快速提供，取用方便，費(fèi)用低廉，只是這種服務(wù)是通過互聯(lián)網(wǎng)傳輸?shù)?。云?jì)算支持用戶在任意位置、使用各種終端獲取應(yīng)用服務(wù)。所請求的資源來自“云”，而不是固定有形的實(shí)體。應(yīng)用在“云”中運(yùn)行，用戶無需了解、也不用擔(dān)心應(yīng)用運(yùn)行的具體位置。只需一臺(tái)筆記本或者一個(gè)手機(jī)，就可以通過網(wǎng)絡(luò)服務(wù)來實(shí)現(xiàn)我們需要的一切，甚至包括超級(jí)計(jì)算這樣的任務(wù)。9.5G技術(shù)隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，越來越多的設(shè)備接入到移動(dòng)網(wǎng)絡(luò)中，新的服務(wù)和應(yīng)用層出不窮，全球移動(dòng)寬帶用戶在2018年有望達(dá)到90億，到2020年，預(yù)計(jì)移動(dòng)通信網(wǎng)絡(luò)的容量需要在當(dāng)前的網(wǎng)絡(luò)容量上增長1000倍。移動(dòng)數(shù)據(jù)流量的暴漲將給網(wǎng)絡(luò)帶來嚴(yán)峻的挑戰(zhàn)。首先，如果按照當(dāng)前移動(dòng)通信網(wǎng)絡(luò)發(fā)展，容量難以支持千倍流量的增長，網(wǎng)絡(luò)能耗和比特成本難以承受；其次，流量增長必然帶來對頻譜的進(jìn)一步需求，而移動(dòng)通信頻譜稀缺，可用頻譜呈大跨度、碎片化分布，難以實(shí)現(xiàn)頻譜的高效使用；此外，要提升網(wǎng)絡(luò)容量，必須智能高效利用網(wǎng)絡(luò)資源，例如針對業(yè)務(wù)和用戶的個(gè)性進(jìn)行智能優(yōu)化，但這方面的能力不足；最后，未來網(wǎng)絡(luò)必然是一個(gè)多網(wǎng)并存的異構(gòu)移動(dòng)網(wǎng)絡(luò)，要提升網(wǎng)絡(luò)容量，必須解決高效管理各個(gè)網(wǎng)絡(luò)，簡化互操作，增強(qiáng)用戶體驗(yàn)的問題。為了解決上述挑戰(zhàn)，滿足日益增長的移動(dòng)流量需求，亟需發(fā)展新一代5G移動(dòng)通信網(wǎng)絡(luò)第五代移動(dòng)通信技術(shù)（英語：5thgenerationmobilenetworks或5thgenerationwirelesssystems、5th-Generation，簡稱5G或5G技術(shù)）是最新一代蜂窩移動(dòng)通信技術(shù)，也是即4G（LTE-A、WiMax）、3G（UMTS、LTE）和2G（GSM）系統(tǒng)之后的延伸。5G的性能目標(biāo)是高數(shù)據(jù)速率、減少延遲、節(jié)省能源、降低成本、提高系統(tǒng)容量和大規(guī)模設(shè)備連接。5G特點(diǎn)：峰值速率需要達(dá)到Gbit/s的標(biāo)準(zhǔn)，以滿足高清視頻，虛擬現(xiàn)實(shí)等大數(shù)據(jù)量傳輸。空中接口時(shí)延水平需要在1ms左右，滿足自動(dòng)駕駛，遠(yuǎn)程醫(yī)療等實(shí)時(shí)應(yīng)用。超大網(wǎng)絡(luò)容量，提供千億設(shè)備的連接能力，滿足物聯(lián)網(wǎng)通信。頻譜效率要比LTE提升10倍以上。連續(xù)廣域覆蓋和高移動(dòng)性下，用戶體驗(yàn)速率達(dá)到100Mbit/s。流量密度和連接數(shù)密度大幅度提高。系統(tǒng)協(xié)同化，智能化水平提升，表現(xiàn)為多用戶，多點(diǎn)，多天線，多攝取的協(xié)同組網(wǎng)，以及網(wǎng)絡(luò)間靈活地自動(dòng)調(diào)整。10.物聯(lián)網(wǎng)物聯(lián)網(wǎng)作為一種聚合性復(fù)雜系統(tǒng)，涉及了信息技術(shù)自上而下的每一個(gè)層面，其體系架構(gòu)一般自下而上分為感知層、網(wǎng)絡(luò)層、應(yīng)用層三個(gè)層面。感知層感知層由數(shù)據(jù)采集子層、短距離通信技術(shù)和協(xié)同信息處理子層組成。數(shù)據(jù)采集子層通過各種類型的傳感器獲取物理世界中發(fā)生的物理事件和數(shù)據(jù)信息，例如各種物理量、標(biāo)識(shí)、音視頻多媒體數(shù)據(jù)等。物聯(lián)網(wǎng)的數(shù)據(jù)采集涉及傳感器、射頻識(shí)別（RFID）、多媒體信息采集、二維碼和實(shí)時(shí)定位等技術(shù)。短距離通信技術(shù)和協(xié)同信息處理子層將采集到的數(shù)據(jù)在局部范圍內(nèi)進(jìn)行協(xié)同處理，以提高信息的精度，降低信息冗余度，并通過具有自組織能力的短距離傳感網(wǎng)接入廣域承載網(wǎng)絡(luò)。網(wǎng)絡(luò)層網(wǎng)絡(luò)層將來自感知層的各類信息通過基礎(chǔ)承載網(wǎng)絡(luò)傳輸?shù)綉?yīng)用層，包括移動(dòng)通信網(wǎng)、互聯(lián)網(wǎng)、衛(wèi)星網(wǎng)、廣電網(wǎng)、行業(yè)專網(wǎng)等。根據(jù)應(yīng)用需求，可作為透明傳輸?shù)木W(wǎng)絡(luò)層，也可升級(jí)以滿足未來不同內(nèi)容傳輸?shù)囊?。?jīng)過10余年的快速發(fā)展，移動(dòng)通信、互聯(lián)網(wǎng)等技術(shù)已經(jīng)比較成熟，在物聯(lián)網(wǎng)的早期階段基本能夠滿足數(shù)據(jù)傳輸?shù)男枰?。網(wǎng)絡(luò)層主要關(guān)注來自于感知層的、經(jīng)過初步處理的數(shù)據(jù)經(jīng)由各類網(wǎng)絡(luò)的傳輸問題，這涉及到智能路由器、不同網(wǎng)絡(luò)傳輸協(xié)議的互通、自組織通信等多種網(wǎng)絡(luò)技術(shù)。應(yīng)用層應(yīng)用層主要包括服務(wù)支撐層和應(yīng)用層，服務(wù)支撐層的主要功能是根據(jù)底層采集的數(shù)據(jù)，形成與業(yè)務(wù)需求相適應(yīng)、實(shí)時(shí)更新的動(dòng)態(tài)數(shù)據(jù)資源庫，應(yīng)用層面向各類使用數(shù)據(jù)的用戶。在物聯(lián)網(wǎng)的體系結(jié)構(gòu)中，感知層實(shí)現(xiàn)物聯(lián)網(wǎng)全面感知的核心能力，是物聯(lián)網(wǎng)中關(guān)鍵技術(shù)、標(biāo)準(zhǔn)化、產(chǎn)業(yè)化方面亟需突破的部分，關(guān)鍵在于具備更精確、更全面的感知能力，并解決低功耗、小型化和低成本問題。網(wǎng)絡(luò)層主要以廣泛覆蓋的移動(dòng)通信網(wǎng)絡(luò)作為基礎(chǔ)設(shè)施，是物聯(lián)網(wǎng)中標(biāo)準(zhǔn)化程度最高、產(chǎn)業(yè)化能力最強(qiáng)、最成熟的部分，關(guān)鍵在于為物聯(lián)網(wǎng)的應(yīng)用特征進(jìn)行優(yōu)化改造，形成系統(tǒng)感知的網(wǎng)絡(luò)。應(yīng)用層提供豐富的應(yīng)用，將物聯(lián)網(wǎng)技術(shù)與行業(yè)信息化需求相結(jié)合，實(shí)現(xiàn)廣泛智能化的應(yīng)用解決方案，關(guān)鍵在于行業(yè)融合、信息資源的開發(fā)利用、低成本高質(zhì)量的解決方案、信息安全的保障及有效商業(yè)模式的開發(fā)等。第2章農(nóng)業(yè)數(shù)字化技術(shù)農(nóng)業(yè)數(shù)據(jù)是根據(jù)農(nóng)業(yè)自身的特征，即農(nóng)業(yè)地域性、季節(jié)性、多樣性、周期性產(chǎn)生的來源廣泛、類型多樣、結(jié)構(gòu)復(fù)雜、有潛在價(jià)值，并難以應(yīng)用通常方法處理和分析的數(shù)據(jù)集合。農(nóng)業(yè)數(shù)據(jù)的采集方式包括天、地、空以及其他采集方式。天：是指利用衛(wèi)星，也就是遙感技術(shù)采集數(shù)據(jù)，采集作物的數(shù)據(jù)信息，并將數(shù)據(jù)上傳至農(nóng)業(yè)大數(shù)據(jù)平臺(tái)，滲透農(nóng)業(yè)生產(chǎn)經(jīng)營的各環(huán)節(jié)，為經(jīng)營者的管理決策提供依據(jù)。其中包括北斗/GPS衛(wèi)星。空：是指利用無人機(jī)，高光譜儀或者高清攝像機(jī)采集數(shù)據(jù)。地：是指從傳感器和其它待測設(shè)備等模擬和數(shù)字被測單元中自動(dòng)采集非電量或者電量信號(hào),送到上位機(jī)中進(jìn)行分析，進(jìn)行數(shù)據(jù)處理。地面采集方式是結(jié)合基于計(jì)算機(jī)或者其他專用測試平臺(tái)的測量軟硬件產(chǎn)品來實(shí)現(xiàn)靈活的、用戶自定義的測量系統(tǒng)。農(nóng)用傳感器主要包括以下四種：農(nóng)業(yè)水體信息傳感器、農(nóng)業(yè)土壤信息傳感器、農(nóng)業(yè)氣象信息傳感器、農(nóng)業(yè)動(dòng)植物生理信息傳感器。農(nóng)業(yè)氣象信息是指與農(nóng)業(yè)生產(chǎn)環(huán)境密切相關(guān)的空氣溫度、濕度、空氣中的二氧化碳和氨氣、光照強(qiáng)度、降雨量等農(nóng)業(yè)氣象參數(shù)。條碼技術(shù)是在計(jì)算機(jī)應(yīng)用和實(shí)踐中產(chǎn)生并發(fā)展起來的廣泛應(yīng)用于商業(yè)、郵政、圖書管理、倉儲(chǔ)、工業(yè)生產(chǎn)過程控制、交通等領(lǐng)域的一種自動(dòng)識(shí)別技術(shù)，具有輸入速度快、準(zhǔn)確度高、成本低、可靠性強(qiáng)等優(yōu)點(diǎn)，在當(dāng)今的自動(dòng)識(shí)別技術(shù)中占有重要的地位。條碼是由一組規(guī)則排列的條、空以及對應(yīng)的字符組成的標(biāo)記，“條”指對光線反射率較低的部分，“空”指對光線反射率較高的部分，這些條和空組成的數(shù)據(jù)表達(dá)一定的信息，并能夠用特定的設(shè)備識(shí)讀，轉(zhuǎn)換成與計(jì)算機(jī)兼容的二進(jìn)制和十進(jìn)制信息。通常對于每一種物品，它的編碼是唯一的。二維碼是在一維條碼的基礎(chǔ)上擴(kuò)展出另一維具有可讀性的條碼，使用黑白矩形圖案表示二進(jìn)制數(shù)據(jù)，被設(shè)備掃描后課獲取其中包含的信息。一維條碼的寬度記載著數(shù)據(jù)，而其長度并沒有記載數(shù)據(jù)。二維碼的長度、寬度均記載著數(shù)據(jù)。二維條碼有一維條碼沒有的“定位點(diǎn)”和“容錯(cuò)機(jī)制”。容錯(cuò)機(jī)制在即使沒有辨識(shí)到全部的條碼、或是說條碼有污損時(shí)，也可以正確的還原條碼上的信息。二維條碼的種類很多，不同的機(jī)構(gòu)開發(fā)出的二維條碼具有不同的結(jié)構(gòu)以及編寫、讀取方法。無線射頻識(shí)別技術(shù)RFID又稱電子標(biāo)簽，無線射頻識(shí)別，是一種無線通信技術(shù)。主要利用無線微波對物體進(jìn)行近距離無接觸的探測和跟蹤。在無線傳感器網(wǎng)絡(luò)中往往利用RFID技術(shù)賦予無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的ID號(hào)，而無需識(shí)別系統(tǒng)與特定目標(biāo)之間建立機(jī)械或者光學(xué)接觸。當(dāng)前RFID的技術(shù)已經(jīng)逐漸成熟，依其采用的頻率不同可分為低頻系統(tǒng)和高頻系統(tǒng)兩大類。低頻段RFID，簡稱為低頻標(biāo)簽，其工作頻率范圍為30kHz~300kHz；高頻段電子標(biāo)簽的工作頻率一般為3MHz~30MHz，高頻電子標(biāo)簽一般也采用無源方式，其工作能量同低頻標(biāo)簽一樣RFID應(yīng)用系統(tǒng)一般由讀寫器、標(biāo)簽和計(jì)算機(jī)系統(tǒng)等部分組成，有些簡易的RFID系統(tǒng)則只是由讀寫器與標(biāo)簽組成。3S技術(shù)是測量工程科學(xué)技術(shù)的重要組成部分，3S技術(shù)的快速發(fā)展是測繪技術(shù)和科學(xué)的一次深刻革命，3S技術(shù)是全球定位系統(tǒng)（GlobalPositioningSystem）GPS、地理信息系統(tǒng)（Geographic

Information

System）GIS和遙感技術(shù)（RemoteSensing）RS技術(shù)的總和。遙感（Remotesensing簡稱RS）就是遙遠(yuǎn)的感知,指借助對電磁波敏感的儀器，在不與探測目標(biāo)接觸的情況下，記錄目標(biāo)物對電磁波的輻射、反射、散射等信息，揭示目標(biāo)物的特征、性質(zhì)及其變化的綜合探測技術(shù)。遙感的工作過程為從遠(yuǎn)離地面的不同工作平臺(tái)（如高塔、氣球、飛機(jī)、火箭、人造衛(wèi)星、宇宙飛船、航天飛機(jī)等）上通過各種傳感器和探測器（如照相機(jī)、紅外探測儀、雷達(dá)等）對地球表面電磁波（輻射）進(jìn)行探測，并經(jīng)過信息的傳輸、處理和判讀分析，對地球的資源與環(huán)境進(jìn)行探測和監(jiān)測。3s技術(shù)用到的關(guān)鍵技術(shù)主要包括：時(shí)空定位、一體化數(shù)據(jù)管理、語義和非語義信息自動(dòng)提取、全數(shù)字化智能系統(tǒng)、數(shù)據(jù)傳輸與交換、可視化理論與技術(shù)、設(shè)計(jì)方法及CASE工具的研究。第3章數(shù)據(jù)傳輸技術(shù)1.計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展階段計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展經(jīng)歷一個(gè)由簡單到復(fù)雜，又到簡單（指入網(wǎng)容易、使用簡單、網(wǎng)絡(luò)應(yīng)用大眾化）的過程，計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展大致分為四個(gè)階段。第一階段：以單計(jì)算機(jī)為中心的聯(lián)機(jī)終端系統(tǒng)。它以單個(gè)主機(jī)為中心，實(shí)現(xiàn)了大量終端與主機(jī)之間的連接與通信，此時(shí)的終端無處理能力。第二階段：以通信子網(wǎng)為中心的主機(jī)互聯(lián)。許多單計(jì)算機(jī)網(wǎng)絡(luò)相互連接形成的計(jì)算機(jī)網(wǎng)絡(luò)，包括通信子網(wǎng)和資源子網(wǎng)兩部分。第二代計(jì)算機(jī)網(wǎng)絡(luò)的典型代表是APPA網(wǎng)絡(luò)(APPANET)，被認(rèn)為是現(xiàn)代意義上計(jì)算機(jī)網(wǎng)絡(luò)開始的標(biāo)志。第三階段：計(jì)算機(jī)網(wǎng)絡(luò)體系結(jié)構(gòu)標(biāo)準(zhǔn)化。1984年，國際標(biāo)準(zhǔn)化組織（ISO）正式頒布了一個(gè)使各種計(jì)算機(jī)互聯(lián)成網(wǎng)的標(biāo)準(zhǔn)框架——開放系統(tǒng)互連參考模型（OpenSystemInterconnectionReferenceModel，OSI）。第四階段：以網(wǎng)絡(luò)互連為核心的Internet全球網(wǎng)絡(luò)形成。Internet最初起源于ARPANET，該網(wǎng)絡(luò)最重要的一項(xiàng)成果就是TCP/IP協(xié)議的研制成功。2.計(jì)算機(jī)網(wǎng)絡(luò)的定義和功能通常的定義為：將地理位置不同且有獨(dú)立功能的多個(gè)計(jì)算機(jī)系統(tǒng)，通過通信設(shè)備和通信線路連接起來，在網(wǎng)絡(luò)軟件的支持下，實(shí)現(xiàn)彼此之間數(shù)據(jù)通信和資源共享的系統(tǒng)。以資源共享為主要目標(biāo)的計(jì)算機(jī)網(wǎng)絡(luò)，具有以下幾方面的功能。（1）數(shù)據(jù)通信（2）資源共享（3）負(fù)荷均衡和分布處理（4）提高系統(tǒng)的可靠性和可用性3.計(jì)算機(jī)網(wǎng)絡(luò)體系結(jié)構(gòu)計(jì)算機(jī)網(wǎng)絡(luò)的各層及其協(xié)議的集合，稱為網(wǎng)絡(luò)的體系結(jié)構(gòu)（Architecture）。4.局域網(wǎng)局域網(wǎng)（LocalAreaNetwork，LAN）是在一個(gè)局部的地理范圍內(nèi)（如一個(gè)學(xué)校、公司和機(jī)關(guān)內(nèi)），一般方圓10幾公里以內(nèi)，將各種計(jì)算機(jī)，外部設(shè)備和數(shù)據(jù)庫等互相聯(lián)接起來組成的計(jì)算機(jī)通信網(wǎng)。5.傳輸介質(zhì)有線傳輸介質(zhì)是指利用線纜或光纜等充當(dāng)傳輸導(dǎo)體的傳輸介質(zhì)，包括雙絞線和光纜等。常用的無線信道有微波、衛(wèi)星信道、紅外線和激光信道等。6.網(wǎng)絡(luò)互連設(shè)備及連接網(wǎng)絡(luò)互連是網(wǎng)絡(luò)領(lǐng)域中的一項(xiàng)重要技術(shù)，是指將多個(gè)拓?fù)浣Y(jié)構(gòu)相同或不同的網(wǎng)絡(luò)通過一定的網(wǎng)絡(luò)設(shè)備相互連接構(gòu)成更大規(guī)模的網(wǎng)絡(luò)。網(wǎng)絡(luò)互連設(shè)備是把網(wǎng)絡(luò)中用通信線路連接起來的各種設(shè)備的總稱，它主要負(fù)責(zé)網(wǎng)間協(xié)議和功能轉(zhuǎn)換，不同的網(wǎng)絡(luò)互連設(shè)備工作在不同的協(xié)議層中。常用的網(wǎng)絡(luò)互連設(shè)備主要有中繼器、集線器、網(wǎng)橋、交換機(jī)、路由器等。下圖描述了網(wǎng)絡(luò)互連設(shè)備與OSI/RM各層的對應(yīng)關(guān)系。網(wǎng)絡(luò)互連設(shè)備與OSI、TCP/IP對應(yīng)關(guān)系7.萬維網(wǎng)萬維網(wǎng)是分布式超媒體(hypermedia)系統(tǒng)，它是超文本(hypertext)系統(tǒng)的擴(kuò)充。一個(gè)超文本由多個(gè)信息源鏈接成。利用一個(gè)鏈接可使用戶找到另一個(gè)文檔。超媒體與超文本的區(qū)別是文檔內(nèi)容不同。超文本文檔僅包含文本信息，而超媒體文檔還包含其他表示方式的信息，如圖形、圖像、聲音、動(dòng)畫，甚至活動(dòng)視頻圖像。

8.URL統(tǒng)一資源定位系統(tǒng)（uniformresourcelocator;URL）是因特網(wǎng)的萬維網(wǎng)服務(wù)程序上用于指定信息位置的表示方法。9.IP地址IP地址是IP協(xié)議提供的一種統(tǒng)一的地址格式，它為互聯(lián)網(wǎng)上的每一個(gè)網(wǎng)絡(luò)和每一臺(tái)主機(jī)分配一個(gè)邏輯地址，以此來屏蔽物理地址的差異。IPv4使用32位二進(jìn)制地址，以點(diǎn)分十進(jìn)制表示。IPv6使用128位二進(jìn)制地址。10.域名域名是由一串用點(diǎn)分隔的名字組成的Internet上某一臺(tái)計(jì)算機(jī)或計(jì)算機(jī)組的名稱。

例如

11.域名服務(wù)器運(yùn)行域名服務(wù)器程序，以完成域名到IP地址解析的機(jī)器。12.TCP最主要的特點(diǎn)TCP是面向連接的運(yùn)輸層協(xié)議。每一條TCP連接只能是點(diǎn)對點(diǎn)的（一對一）。TCP提供可靠交付的服務(wù)。TCP提供全雙工通信。TCP是面向字節(jié)流。13.網(wǎng)絡(luò)地址轉(zhuǎn)換NAT通過將內(nèi)部網(wǎng)絡(luò)的私有IP地址翻譯成全球唯一的公網(wǎng)IP地址，使內(nèi)部網(wǎng)絡(luò)可以連接到互聯(lián)網(wǎng)等外部網(wǎng)絡(luò)上。14.物聯(lián)網(wǎng)物聯(lián)網(wǎng)（TheInternetofThings，簡稱IOT）是指通過各種信息傳感器、射頻識(shí)別技術(shù)、全球定位系統(tǒng)、紅外感應(yīng)器、激光掃描器等各種裝置與技術(shù)，實(shí)時(shí)采集任何需要監(jiān)控、連接、互動(dòng)的物體或過程，采集其聲、光、熱、電、力學(xué)、化學(xué)、生物、位置等各種需要的信息，通過各類可能的網(wǎng)絡(luò)接入，實(shí)現(xiàn)物與物、物與人的泛在連接，實(shí)現(xiàn)對物品和過程的智能化感知、識(shí)別和管理。15.物聯(lián)網(wǎng)與互聯(lián)網(wǎng)的不同之處物聯(lián)網(wǎng)提供行業(yè)性、專業(yè)性與區(qū)域性的服務(wù)；物聯(lián)網(wǎng)數(shù)據(jù)主要是通過自動(dòng)方式獲取的；物聯(lián)網(wǎng)是可反饋、可控制的“閉環(huán)”系統(tǒng)16.物聯(lián)網(wǎng)的應(yīng)用智能工業(yè)、智能農(nóng)業(yè)、智能交通、智能電網(wǎng)、智能醫(yī)療、智能家居、智能物流等。智能農(nóng)業(yè)：將物聯(lián)網(wǎng)技術(shù)用于大田種植、設(shè)施園藝、畜禽養(yǎng)殖、水產(chǎn)養(yǎng)殖、農(nóng)產(chǎn)品物流、農(nóng)副產(chǎn)品食品安全質(zhì)量監(jiān)控與溯源等領(lǐng)域，實(shí)現(xiàn)對農(nóng)業(yè)生產(chǎn)過程中的土壤、環(huán)境、水資源的實(shí)時(shí)監(jiān)測，對動(dòng)植物生長過程的精細(xì)管理，對農(nóng)副產(chǎn)品生產(chǎn)的全過程監(jiān)控與可追溯管理，對大型農(nóng)業(yè)機(jī)械作業(yè)服務(wù)的優(yōu)化調(diào)度。計(jì)算思維與算法1.三大科學(xué)思維理論科學(xué)、實(shí)驗(yàn)科學(xué)和計(jì)算科學(xué)已經(jīng)作為科學(xué)發(fā)現(xiàn)的三大支柱，推動(dòng)著人類文明進(jìn)步和科技發(fā)展，這種說法已經(jīng)被科學(xué)文獻(xiàn)廣泛引用。一般而論，三種科學(xué)研究的方法對應(yīng)著三大科學(xué)思維，分別是邏輯思維、實(shí)證思維和計(jì)算思維。2.計(jì)算思維學(xué)習(xí)方法對計(jì)算思維學(xué)習(xí)方法需要樹立正確的學(xué)習(xí)態(tài)度，即應(yīng)當(dāng)為思維而學(xué)習(xí)知識(shí)而不是為知識(shí)而學(xué)習(xí)知識(shí)；應(yīng)當(dāng)不斷訓(xùn)練，只有這樣才能將思維轉(zhuǎn)換為能力；應(yīng)當(dāng)先從貫通知識(shí)的角度學(xué)習(xí)思維，再學(xué)習(xí)更為細(xì)節(jié)性的知識(shí)，即用思維引導(dǎo)知識(shí)的學(xué)習(xí)。3.計(jì)算思維計(jì)算思維是運(yùn)用計(jì)算機(jī)科學(xué)的基礎(chǔ)概念進(jìn)行問題求解、系統(tǒng)設(shè)計(jì)以及人類行為理解等涵蓋計(jì)算機(jī)科學(xué)之廣度的一系列思維活動(dòng)。從這一定義可知，計(jì)算思維的目的是求解問題、設(shè)計(jì)系統(tǒng)和理解人類行為，而使用的方法是計(jì)算機(jī)科學(xué)的方法。計(jì)算思維對科學(xué)的進(jìn)步有舉足輕重的作用。計(jì)算思維能力的核心是問題求解的能力，即首先發(fā)現(xiàn)問題，然后尋求解決問題的思路，進(jìn)而分析比較不同的方案，確定方案后還要對方案進(jìn)行驗(yàn)證。利用計(jì)算思維求解問題就是首先要對待求解問題進(jìn)行問題分析使之轉(zhuǎn)化為數(shù)學(xué)問題，然后是建立模型（包括數(shù)據(jù)模型和功能模型）、設(shè)計(jì)算法（包括數(shù)據(jù)結(jié)構(gòu)和算法）和編程實(shí)現(xiàn)（包括程序編制和調(diào)試運(yùn)行），最后是在實(shí)際的計(jì)算機(jī)中運(yùn)行并求解。問題的求解不是一個(gè)一蹴而就的過程，問題分析、算法設(shè)計(jì)和編程調(diào)試都會(huì)出現(xiàn)錯(cuò)誤，這就需要對問題再進(jìn)一步分析、設(shè)計(jì)或者實(shí)現(xiàn)，如此反復(fù)直到待求解問題得到正確的結(jié)果。4.貪心算法貪心算法對問題求解時(shí)，總是做出在當(dāng)前看來是最好的選擇。也就是說，不從整體最優(yōu)上加以考慮，它所做出的僅是在某種意義上的局部最優(yōu)解。貪心算法的基本思路是從問題的某一個(gè)初始解出發(fā)一步一步地進(jìn)行，根據(jù)某個(gè)優(yōu)化目標(biāo)，每一步都要確保能獲得局部最優(yōu)解。每一步只考慮一個(gè)數(shù)據(jù)，選取數(shù)據(jù)滿足局部優(yōu)化的條件，即貪心選擇，每做一次選擇就將所求問題簡化為一個(gè)規(guī)模更小的問題；然后在剩下的數(shù)據(jù)與當(dāng)前已經(jīng)選取的數(shù)據(jù)組合得到的解中提取其中能獲得最優(yōu)解的一個(gè)數(shù)據(jù)，加入結(jié)果集；重復(fù)這個(gè)過程，若下一個(gè)數(shù)據(jù)和部分最優(yōu)解連在一起不再是可行解時(shí)，就不把該數(shù)據(jù)添加到結(jié)果解中，直到把所有數(shù)據(jù)枚舉完，或者不能再添加算法停止。利用貪心算法求解問題的過程如下。（1）建立數(shù)學(xué)模型來描述問題；（2）把求解的問題分成若干個(gè)子問題；（3）對每一子問題求解，得到子問題的局部最優(yōu)解；（4）把子問題的解局部最優(yōu)解合成原來解問題的一個(gè)解。5.遞歸算法“在說遞歸之前，我給大家說一個(gè)小故事，故事就是在說遞歸之前，我給大家說一個(gè)小故事，故事就是在說遞歸之前，我給大家說一個(gè)小故事，故事就是在說遞歸之前，我給大家說一個(gè)小故事，故事就是在說遞歸之前我給大家說一個(gè)小故事”這就是遞歸，遞歸是一種自身調(diào)用自身或間接調(diào)用自身的算法。是把一個(gè)復(fù)雜的問題變?yōu)楹唵蔚囊捉鈫栴}，然后一步步返回，從而得到原問題的解。一個(gè)遞歸算法必須包括終止條件和遞歸兩部分。6.算法算法(Algorithm)是方法和步驟，是對具體問題求解的方法，是在計(jì)算機(jī)求解問題過程中得到的確定的、具體的、有限的步驟。算法應(yīng)該符合以下特性。（1）有窮性。一個(gè)算法應(yīng)包含有限的操作步驟，而不能是無限的。事實(shí)上“有窮性”往往指“在合理的范圍之內(nèi)”。如果讓計(jì)算機(jī)執(zhí)行一個(gè)歷時(shí)1000年才結(jié)束的算法，這雖然是有窮的，但超過了合理的限度，這不是有效算法。（2）確定性。算法必須無二義性，不會(huì)產(chǎn)生理解偏差。算法在任何時(shí)候都只有一條確定的的執(zhí)行路徑，而不應(yīng)當(dāng)是含糊的、模棱兩可的。（3）有效性。算法描述的操作都應(yīng)該可以通過基本運(yùn)算來實(shí)現(xiàn)，算法中的每一個(gè)步驟都應(yīng)當(dāng)能有效的執(zhí)行，并得到確定的結(jié)果。（4）有零個(gè)或多個(gè)輸入。所謂輸入是指在執(zhí)行算法是需要從外界取得必要的信息。之所以會(huì)產(chǎn)生零輸入的情況，是因?yàn)橛械臄?shù)據(jù)嵌入在算法之中。（5）有一個(gè)或多個(gè)輸出。算法的目的是為了求解，沒有輸出的算法是沒有意義的。不同輸入有不同輸出，但是相同輸入必須產(chǎn)生相同輸出。7.迭代法迭代法也稱為“輾轉(zhuǎn)法”，是一種不斷用變量的舊值推算出新值的方法。迭代算法是用計(jì)算機(jī)解決問題的一種基本方法，它利用計(jì)算機(jī)運(yùn)算速度快、適合做重復(fù)性操作的特點(diǎn)，讓計(jì)算機(jī)對一組指令(或一定步驟)進(jìn)行重復(fù)執(zhí)行，在每次執(zhí)行這組指令(或這些步驟)時(shí)，都從變量的原值推出它的一個(gè)新值。會(huì)簡單迭代計(jì)算。8.枚舉法枚舉法是一種簡單、直接地解決問題的方法，是指從可能的集合（問題的解空間）中一一枚舉各個(gè)元素，用題目給定的約束條件判定哪些是無用的，哪些是有用的。能使命題成立者，即為問題的解。其思想是將問題的所有可能的答案一一列舉，然后根據(jù)條件判斷此答案是否合適，保留合適的，舍棄不合適的。先根據(jù)問題的部分條件確定答案的大致范圍，然后在此范圍內(nèi)對所有的可能的情況逐一枚舉驗(yàn)證，如果某個(gè)情況使驗(yàn)證符合問題的條件，則為問題的一個(gè)解（真正解或最優(yōu)解）；如果全部驗(yàn)證完后均不符合問題的條件，則問題無解。使用枚舉算法解題的步驟：（1）確定解題的可能范圍，不能遺漏任何一個(gè)真正解，同時(shí)避免重復(fù)。（2）判定是否是真正解的方法。（3）為了提高解決問題的效率，使可能解的范圍縮至最小。9.分治法分治就是“分而治之”，就是把一個(gè)復(fù)雜的問題分成兩個(gè)或更多的相同或相似的子問題，再把子問題分成更小的子問題……直到最后子問題可以簡單的直接求解，原問題的解即子問題的解的合并。分治法的基本思想是將一個(gè)規(guī)模為n的問題分解為k個(gè)規(guī)模較小的子問題，這些子問題互相獨(dú)立且與原問題相同。遞歸地解這些子問題，然后將各子問題的解合并得到原問題的解。子問題互相獨(dú)立這一特征涉及分治法的效率，如果各子問題不獨(dú)立，則分治法要做許多不必要的工作，重復(fù)的解決公共的子問題，這時(shí)用分治法求解效率較低，一般用動(dòng)態(tài)規(guī)劃較好。分治法的算法步驟如下。（1）分解。將要解決的問題劃分成若干規(guī)模較小，相互獨(dú)立，與原問題同類的子問題；（2）求解。當(dāng)子問題規(guī)模劃分得足夠小時(shí)，用較簡單的方法解決，否則利用遞歸求解各個(gè)子問題；（3）合并。按原問題的要求，將子問題的解逐層合并構(gòu)成原問題的解。合并是分治法的關(guān)鍵步驟，有些問題的合并方法比較明顯，有些問題的合并方法比較復(fù)雜，或者有多種合并方案，或者是合并方案不明顯。究竟應(yīng)該怎樣合并，沒有統(tǒng)一的模式，需要具體問題具體分析。10.動(dòng)態(tài)規(guī)劃動(dòng)態(tài)規(guī)劃基本思想是按照問題的時(shí)間或空間特征，將問題分解為若干個(gè)階段或子問題，按順序求解子階段或前一子問題的解，為后一子問題的求解提供了有用的信息。在求解任一子問題時(shí)，列出各種可能的局部解，通過決策保留那些有可能達(dá)到最優(yōu)的局部解，丟棄其他局部解。依次解決各子問題，最后一個(gè)子問題就是初始問題的解。由于動(dòng)態(tài)規(guī)劃解決的問題多數(shù)有重疊子問題這個(gè)特點(diǎn)，為減少重復(fù)計(jì)算，對每一個(gè)子問題只解一次，將其不同階段的不同狀態(tài)進(jìn)行保存。第5章農(nóng)業(yè)人工智能1.人工智能的含義人工智能沒有一個(gè)統(tǒng)一的定義。尼爾遜教授對人工智能下了這樣一個(gè)定義：“人工智能是關(guān)于知識(shí)的學(xué)科―怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)。”\t"/item/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/_blank"美國麻省理工學(xué)院的\t"/item/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/_blank"溫斯頓教授認(rèn)為：“人工智能是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計(jì)算機(jī)去完成以往需要人的\t"/item/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/_blank"智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟\t"/item/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/_blank"硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。人工智能是研究使計(jì)算機(jī)來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類似于人腦智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。人工智能將涉及到計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科?？梢哉f幾乎是自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，其范圍已遠(yuǎn)遠(yuǎn)超出了計(jì)算機(jī)科學(xué)的范疇。2.達(dá)特茅斯會(huì)議1956年8月，在美國漢諾斯小鎮(zhèn)寧靜的達(dá)特茅斯學(xué)院中，約翰·麥卡錫（JohnMcCarthy）、馬文·閔斯基（MarvinMinsky，人工智能與認(rèn)知學(xué)專家）、克勞德·香農(nóng)（ClaudeShannon，信息論的創(chuàng)始人）、艾倫·紐厄爾（AllenNewell，計(jì)算機(jī)科學(xué)家）、赫伯特·西蒙（HerbertSimon，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主）等科學(xué)家聚在一起，討論著一個(gè)主題：用機(jī)器來模仿人類學(xué)習(xí)以及其他方面的智能。會(huì)議足足開了兩個(gè)月的時(shí)間，雖然大家沒有達(dá)成普遍的共識(shí)，但是卻為會(huì)議討論的內(nèi)容起了一個(gè)名字：人工智能AI（ArtificialIntelligence)。因此，1956年也就成為了人工智能元年。3.人工智能的三大流派符號(hào)主義、連接主義、行為主義。?符號(hào)主義：人類認(rèn)知和思維的基本單元是符號(hào)，而認(rèn)知過程就是在符號(hào)表示上的一種運(yùn)算。符號(hào)主義致力于用計(jì)算機(jī)的符號(hào)操作來模擬人的認(rèn)知過程，其實(shí)質(zhì)就是模擬人的抽象邏輯思維。?連接主義：從神經(jīng)生理學(xué)和認(rèn)知科學(xué)的研究成果出發(fā)，把人的智能歸結(jié)為人腦高層活動(dòng)的結(jié)果，強(qiáng)調(diào)智能活動(dòng)是由大量簡單的單元通過復(fù)雜的相互連接后并行運(yùn)行的結(jié)果。其中人工神經(jīng)網(wǎng)絡(luò)就是其典型代表性技術(shù)。?行為主義：稱進(jìn)化主義或控制論學(xué)派，是一種基于“感知——行動(dòng)”的行為智能模擬方法。智能取決于感知和行為，無需知識(shí)表示和無需推理的智能，在智能控制、機(jī)器人領(lǐng)域獲得了很多成就。4.人工智能研究領(lǐng)域人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，是計(jì)算機(jī)科學(xué)的一個(gè)分支，其研究的主要內(nèi)容包括深度學(xué)習(xí)、自然語言處理、計(jì)算機(jī)視覺、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)、數(shù)據(jù)挖掘等方面。深度學(xué)習(xí)深度學(xué)習(xí)是基于現(xiàn)有的數(shù)據(jù)進(jìn)行學(xué)習(xí)操作，是機(jī)器學(xué)習(xí)研究中一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本。自然語言處理自然語言處理是用自然語言同計(jì)算機(jī)進(jìn)行通訊的一種技術(shù)。人工智能的分支學(xué)科，研究用電子計(jì)算機(jī)模擬人的語言交際過程，使計(jì)算機(jī)能理解和運(yùn)用人類社會(huì)的自然語言如漢語、英語等，實(shí)現(xiàn)人機(jī)之間的自然語言通信，以代替人的部分腦力勞動(dòng)，包括查詢資料、解答問題、摘錄文獻(xiàn)、匯編資料以及一切有關(guān)自然語言信息的加工處理。例如生活中的電話機(jī)器人的核心技術(shù)之一就是自然語言處理。計(jì)算機(jī)視覺計(jì)算機(jī)視覺是指用攝影機(jī)和電腦代替人眼對目標(biāo)進(jìn)行識(shí)別、跟蹤和測量等機(jī)器視覺，并進(jìn)一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。計(jì)算機(jī)視覺就是用各種成象系統(tǒng)代替視覺器官作為輸入敏感手段，由計(jì)算機(jī)來代替大腦完成處理和解釋。計(jì)算機(jī)視覺的最終研究目標(biāo)就是使計(jì)算機(jī)能像人那樣通過視覺觀察和理解世界，具有自主適應(yīng)環(huán)境的能力。計(jì)算機(jī)視覺應(yīng)用的實(shí)例有很多，包括用于控制過程、導(dǎo)航、自動(dòng)檢測等方面。智能機(jī)器人我們身邊逐漸出現(xiàn)很多智能機(jī)器人，他們具備形形色色的內(nèi)部信息傳感器和外部信息傳感器，如視覺、聽覺、觸覺、嗅覺。除具有感受器外，它還有效應(yīng)器，作為作用于周圍環(huán)境的手段。這些機(jī)器人都離不開人工智能的技術(shù)支持?？茖W(xué)家們認(rèn)為，智能機(jī)器人的研發(fā)方向是，給機(jī)器人裝上“大腦芯片”，從而使其智能性更強(qiáng)，在認(rèn)知學(xué)習(xí)、自動(dòng)組織、對模糊信息的綜合處理等方面將會(huì)前進(jìn)一大步。自動(dòng)程序設(shè)計(jì)自動(dòng)程序設(shè)計(jì)的任務(wù)是設(shè)計(jì)一個(gè)程序系統(tǒng)，接受關(guān)于所設(shè)計(jì)的程序要求實(shí)現(xiàn)某個(gè)目標(biāo)非常高級(jí)描述作為其輸入，然后自動(dòng)生成一個(gè)能完成這個(gè)目標(biāo)的具體程序。該研究的重大貢獻(xiàn)之一是把程序調(diào)試的概念作為問題求解的策略來使用。自動(dòng)程序設(shè)計(jì)是指根據(jù)給定問題的原始描述，自動(dòng)生成滿足要求的程序。它是軟件工程和人工智能相結(jié)合的研究課題。自動(dòng)程序設(shè)計(jì)主要包含程序綜合和程序驗(yàn)證兩方面內(nèi)容。前者實(shí)現(xiàn)自動(dòng)編程，即用戶只需告知機(jī)器“做什么”，無須告訴“怎么做”，這后一步的工作由機(jī)器自動(dòng)完成；后者是程序的自動(dòng)驗(yàn)證，自動(dòng)完成正確性的檢查。其目的是提高軟件生產(chǎn)率和軟件產(chǎn)品質(zhì)量。5.搜索技術(shù)人類的思維過程可看作是一個(gè)搜索過程。在計(jì)算機(jī)上如何實(shí)現(xiàn)這樣的搜索呢？對一個(gè)搜索問題，通常的搜索策略就是確定如何選取搜索規(guī)則，目前有兩種基本方式。盲目搜索：該方法是不考慮給定問題所具有的特定知識(shí)，系統(tǒng)根據(jù)事先確定好的某種固定排序，依次調(diào)用規(guī)則或隨機(jī)調(diào)用規(guī)則，即盲目搜索方法，一般稱為無信息引導(dǎo)的搜索策略；啟發(fā)式搜索：該方法考慮問題領(lǐng)域可應(yīng)用的知識(shí)，動(dòng)態(tài)確定規(guī)則的排序，優(yōu)先調(diào)用較合適的規(guī)則，這就是啟發(fā)式搜索策略或有信息引導(dǎo)的搜索策略。6.遺傳算法遺傳算法（GeneticAlgorithm，GA）是借鑒生物界中自然選擇和自然遺傳等生物進(jìn)化論內(nèi)容而提出的一種搜索算法。算法主要用來處理多約束的近似最優(yōu)解。遺傳算法主要包括如下幾個(gè)階段：計(jì)算適應(yīng)度，選擇，交叉，變異。適應(yīng)度計(jì)算：適應(yīng)性函數(shù)(fitnessfunction)對種群中的每一條染色體進(jìn)行適應(yīng)性計(jì)算和評(píng)估，選擇：分為適應(yīng)性選擇和隨機(jī)選擇。在適應(yīng)性選擇中，通過適應(yīng)性函數(shù)(fitnessfunction)對種群中的每一條染色體進(jìn)行適應(yīng)性評(píng)估，按評(píng)估結(jié)果對染色體進(jìn)行排序。篩選出適應(yīng)性最好的一定數(shù)量（可以通過參數(shù)調(diào)節(jié)）的染色體，作為下一代父母加入存活列表。隨機(jī)選擇中，隨機(jī)挑選沒有通過適應(yīng)性選擇的個(gè)體也加入存活列表，使一些擁有潛在價(jià)值基因但適應(yīng)性差的個(gè)體生存下來。交叉：每一代染色體的數(shù)量是一定的，淘汰一部分染色體，就要生成新的染色體來補(bǔ)足空缺。在上一代中保留了一部分存活的染色體，它們之間進(jìn)行交叉。交叉是指隨機(jī)從存活列表中抽取兩個(gè)染色體，將這兩條染色體進(jìn)行融合從而生成新的染色體（就是取一部分父染色體的基因，再在母染色體取在父染色體沒有取到的基因，把這些基因合成一條新的染色體），把新的染色體加入種群中。交叉操作會(huì)一直持續(xù)，直到種群數(shù)量跟之前的種群數(shù)量相同。常見的交叉策略有重復(fù)交叉最優(yōu)保留策略、混合交叉策略、隨機(jī)基因交叉策略。變異：對于種群中的每一條染色體，使其以一定幾率發(fā)生隨機(jī)變異。常見的變異策略有自適應(yīng)變異、多變異。7.專家系統(tǒng)專家系統(tǒng)結(jié)構(gòu)是指專家系統(tǒng)各組成部分的構(gòu)造方法和組織形式。由于每個(gè)專家系統(tǒng)所完成的任務(wù)和特點(diǎn)不盡相同，其結(jié)構(gòu)也不盡相同，但其基本結(jié)構(gòu)一致。專家系統(tǒng)通常由人機(jī)交互界面、知識(shí)庫、推理機(jī)、解釋器、綜合數(shù)據(jù)庫、知識(shí)獲取等6個(gè)部分構(gòu)成。專家系統(tǒng)的體系結(jié)構(gòu)隨專家系統(tǒng)的類型、功能和規(guī)模的不同，而有所差異。（1）知識(shí)庫知識(shí)庫用來存放專家提供的知識(shí)。專家系統(tǒng)的問題求解過程是通過知識(shí)庫中的知識(shí)來模擬專家的思維方式，因此，知識(shí)庫是專家系統(tǒng)質(zhì)量是否優(yōu)越的關(guān)鍵所在，即知識(shí)庫中知識(shí)的質(zhì)量和數(shù)量決定著專家系統(tǒng)的質(zhì)量水平。用戶可以通過改變、完善知識(shí)庫中的知識(shí)內(nèi)容來提高專家系統(tǒng)的性能。人工智能中的知識(shí)表示形式有產(chǎn)生式、框架、語義網(wǎng)絡(luò)等，而在專家系統(tǒng)中運(yùn)用得較為普遍的知識(shí)是產(chǎn)生式規(guī)則。產(chǎn)生式規(guī)則以IF…THEN…的形式出現(xiàn)，就像C編程語言里的條件語句一樣，IF后面跟的是條件，THEN后面的是結(jié)論，條件與結(jié)論均可以通過邏輯運(yùn)算AND、OR、NOT進(jìn)行復(fù)合。在這里，產(chǎn)生式規(guī)則的理解非常簡單：如果前提條件得到滿足，就產(chǎn)生相應(yīng)的動(dòng)作或結(jié)論。（2）推理機(jī)推理機(jī)針對當(dāng)前問題的條件或已知信息，反復(fù)匹配知識(shí)庫中的規(guī)則，獲得新的結(jié)論，以得到問題求解結(jié)果。推理機(jī)就如同專家解決問題的思維方式，知識(shí)庫是通過推理機(jī)來實(shí)現(xiàn)其價(jià)值。（3）人機(jī)交互界面人機(jī)交互界面是系統(tǒng)與用戶進(jìn)行交流時(shí)的界面。通過該界面，用戶輸入基本信息、回答系統(tǒng)提出的相關(guān)問題，并輸出推理結(jié)果及相關(guān)的解釋等。（4）綜合數(shù)據(jù)庫綜合數(shù)據(jù)庫專門用于存儲(chǔ)推理過程中所需的原始數(shù)據(jù)、中間結(jié)果和最終結(jié)論，往往作為暫時(shí)的存儲(chǔ)區(qū)。解釋器能夠根據(jù)用戶的提問，對結(jié)論、求解過程做出說明，因而使專家系統(tǒng)更具有人情味。（5）知識(shí)獲取知識(shí)獲取是專家系統(tǒng)知識(shí)庫是否優(yōu)越的關(guān)鍵，也是專家系統(tǒng)設(shè)計(jì)的“瓶頸”問題，通過知識(shí)獲取，可以擴(kuò)充和修改知識(shí)庫中的內(nèi)容，也可以實(shí)現(xiàn)自動(dòng)學(xué)習(xí)功能。8.機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)是研究怎樣使用計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動(dòng)的科學(xué)，是人工智能中最具智能特征，最前沿的研究領(lǐng)域之一。自20世紀(jì)80年代以來，機(jī)器學(xué)習(xí)作為實(shí)現(xiàn)人工智能的途徑，在人工智能界引起了廣泛的興趣，特別是近十幾年來，機(jī)器學(xué)習(xí)領(lǐng)域的研究工作發(fā)展很快，它已成為人工智能的重要課題之。機(jī)器學(xué)習(xí)不僅在基于知識(shí)的系統(tǒng)中得到應(yīng)用，而且在自然語言理解、非單調(diào)推理、\t"/item/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/_blank"機(jī)器視覺、\t"/item/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/_blank"模式識(shí)別等許多領(lǐng)域也得到了廣泛應(yīng)用。一個(gè)系統(tǒng)是否具有學(xué)習(xí)能力已成為是否具有“智能”的一個(gè)標(biāo)志。機(jī)器學(xué)習(xí)的研究主要分為兩類研究方向：第一類是傳統(tǒng)機(jī)器學(xué)習(xí)的研究，該類研究主要是研究學(xué)習(xí)機(jī)制，注重探索模擬人的學(xué)習(xí)機(jī)制；第二類是大數(shù)據(jù)環(huán)境下機(jī)器學(xué)習(xí)的研究，該類研究主要是研究如何有效利用信息，注重從巨量數(shù)據(jù)中獲取隱藏的、有效的、可理解的知識(shí)。目前，機(jī)器學(xué)習(xí)歷經(jīng)70年的曲折發(fā)展，以深度學(xué)習(xí)為代表借鑒人腦的多分層結(jié)構(gòu)、神經(jīng)元的連接交互信息的逐層分析處理機(jī)制，自適應(yīng)、自學(xué)習(xí)的強(qiáng)大并行信息處理能力，在很多方面收獲了突破性進(jìn)展，其中最有代表性的是圖像識(shí)別領(lǐng)域。機(jī)器學(xué)習(xí)是一門多學(xué)科交叉專業(yè)，涵蓋概率論知識(shí)，統(tǒng)計(jì)學(xué)知識(shí)，近似理論知識(shí)和復(fù)雜算法知識(shí)，使用計(jì)算機(jī)作為工具并致力于真實(shí)實(shí)時(shí)的模擬人類學(xué)習(xí)方式，并將現(xiàn)有內(nèi)容進(jìn)行知識(shí)結(jié)構(gòu)劃分來有效提高學(xué)習(xí)效率。

機(jī)器學(xué)習(xí)有下面幾種定義：機(jī)器學(xué)習(xí)是一門人工智能的科學(xué),該領(lǐng)域的主要研究對象是\t"/item/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/_blank"人工智能，特別是如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的性能。機(jī)器學(xué)習(xí)是對能通過經(jīng)驗(yàn)自動(dòng)改進(jìn)計(jì)算機(jī)算法的研究。機(jī)器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗(yàn),以此優(yōu)化計(jì)算機(jī)程序的性能標(biāo)準(zhǔn)。1950年，艾倫.\t"/item/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/_blank"圖靈提議建立一個(gè)學(xué)習(xí)機(jī)器。2000年初，深度學(xué)習(xí)的實(shí)際應(yīng)用以及最近的進(jìn)展，比如2012年的AlexNe，機(jī)器學(xué)習(xí)有了很大的進(jìn)展。9.機(jī)器學(xué)習(xí)的發(fā)展階段從20世紀(jì)50年代研究機(jī)器學(xué)習(xí)以來，不同時(shí)期的研究途徑和目標(biāo)并不相同，可以劃分為四個(gè)階段。第一階段是20世紀(jì)50年代中葉到60年代中葉，這個(gè)時(shí)期主要研究“有無知識(shí)的學(xué)習(xí)”。這類方法主要是研究系統(tǒng)的執(zhí)行能力。這個(gè)時(shí)期，主要通過對機(jī)器環(huán)境及其相應(yīng)性能參數(shù)的改變來檢測系統(tǒng)反饋的數(shù)據(jù)，就好比給系統(tǒng)一個(gè)程序，通過改變它們的自由空間作用，系統(tǒng)將會(huì)受到程序的影響而改變自身的組織，最后這個(gè)系統(tǒng)將會(huì)選擇一個(gè)最優(yōu)的環(huán)境生存。在這個(gè)時(shí)期最具有代表性的研究就是Samuet的下棋程序。但這種機(jī)器學(xué)習(xí)的方法還遠(yuǎn)遠(yuǎn)不能滿足人類的需要。第二階段從20世紀(jì)60年代中葉到70年代中葉，這個(gè)時(shí)期主要研究將各個(gè)領(lǐng)域的知識(shí)植入到系統(tǒng)里，本階段目的是通過機(jī)器模擬人類學(xué)習(xí)的過程。同時(shí)還采用了\t"/item/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/_blank"圖結(jié)構(gòu)及其邏輯結(jié)構(gòu)方面的知識(shí)進(jìn)行系統(tǒng)描述。這一研究階段主要是用各種符號(hào)來表示機(jī)器語言，研究人員在進(jìn)行實(shí)驗(yàn)時(shí)意識(shí)到學(xué)習(xí)是一個(gè)長期的過程，從這種系統(tǒng)環(huán)境中無法學(xué)到更加深入的知識(shí)，因此研究人員將各專家學(xué)者的知識(shí)加入到系統(tǒng)里，經(jīng)過實(shí)踐證明這種方法取得了一定的成效。在這一階段具有代表性的工作有Hayes-Roth和Winson的對結(jié)構(gòu)學(xué)習(xí)系統(tǒng)方法。第三階段從20世紀(jì)70年代中葉到80年代中葉，稱為復(fù)興時(shí)期。在此期間，人們從學(xué)習(xí)單個(gè)概念擴(kuò)展到學(xué)習(xí)多個(gè)概念，探索不同的學(xué)習(xí)策略和學(xué)習(xí)方法，且在本階段已開始把學(xué)習(xí)系統(tǒng)與各種應(yīng)用結(jié)合起來，并取得很大成功。同時(shí)，專家系統(tǒng)在知識(shí)獲取方面的需求也極大地刺激了機(jī)器學(xué)習(xí)的研究和發(fā)展。出現(xiàn)第一個(gè)專家學(xué)習(xí)系統(tǒng)之后，示例歸納學(xué)習(xí)系統(tǒng)成為研究的主流，自動(dòng)知識(shí)獲取成為機(jī)器學(xué)習(xí)應(yīng)用的研究目標(biāo)。1980年，美國卡內(nèi)基梅隆(CMU)召開了第一屆機(jī)器學(xué)習(xí)國際研討會(huì)，標(biāo)志著機(jī)器學(xué)習(xí)研究已在全世界興起。此后，機(jī)器學(xué)習(xí)開始得到了大量的應(yīng)用。1984年，Simon等20多位人工智能專家共同撰文編寫的MachineLearning文集第二卷出版，國際性雜志MachineLearning創(chuàng)刊，更加顯示出機(jī)器學(xué)習(xí)突飛猛進(jìn)的發(fā)展趨勢。這一階段代表性的工作有Mostow的指導(dǎo)式學(xué)習(xí)、Lenat的數(shù)學(xué)概念發(fā)現(xiàn)程序、Langley的BACON程序及其改進(jìn)程序。第四階段從20世紀(jì)80年代中葉到現(xiàn)在,是機(jī)器學(xué)習(xí)的最新階段。這個(gè)時(shí)期的機(jī)器學(xué)習(xí)具有如下特點(diǎn)：(1)機(jī)器學(xué)習(xí)已成為新的學(xué)科，它綜合應(yīng)用了心理學(xué)、生物學(xué)、神經(jīng)生理學(xué)、數(shù)學(xué)、自動(dòng)化和計(jì)算機(jī)科學(xué)等形成了機(jī)器學(xué)習(xí)理論基礎(chǔ)。(2)融合了各種學(xué)習(xí)方法，且形式多樣的集成學(xué)習(xí)系統(tǒng)研究正在興起。(3)機(jī)器學(xué)習(xí)與人工智能各種基礎(chǔ)問題的統(tǒng)一性觀點(diǎn)正在形成。(4)各種學(xué)習(xí)方法的應(yīng)用范圍不斷擴(kuò)大，部分應(yīng)用研究成果已轉(zhuǎn)化為產(chǎn)品。(5)與機(jī)器學(xué)習(xí)有關(guān)的學(xué)術(shù)活動(dòng)空前活躍。

10.知識(shí)表示（knowledgerepresentation）是指把知識(shí)客體中的知識(shí)因子與\t"/item/%E7%9F%A5%E8%AF%86%E8%A1%A8%E7%A4%BA/_blank"知識(shí)關(guān)聯(lián)起來，便于人們識(shí)別和理解知識(shí)。知識(shí)表示是\t"/item/%E7%9F%A5%E8%AF%86%E8%A1%A8%E7%A4%BA/_blank"知識(shí)組織的前提和基礎(chǔ)，任何知識(shí)組織方法都是要建立在知識(shí)表示的基礎(chǔ)上。知識(shí)表示有主觀知識(shí)表示和客觀知識(shí)表示兩種。知識(shí)表示（knowledgerepresentation）是指把知識(shí)客體中的知識(shí)因子與\t"/item/%E7%9F%A5%E8%AF%86%E8%A1%A8%E7%A4%BA/_blank"知識(shí)關(guān)聯(lián)起來，便于人們識(shí)別和理解知識(shí)。知識(shí)表示是\t"/item/%E7%9F%A5%E8%AF%86%E8%A1%A8%E7%A4%BA/_blank"知識(shí)組織的前提和基礎(chǔ)，任何知識(shí)組織方法都是要建立在知識(shí)表示的基礎(chǔ)上。知識(shí)表示有主觀知識(shí)表示和客觀知識(shí)表示兩種。\t"/item/%E7%9F%A5%E8%AF%86%E8%A1%A8%E7%A4%BA/_blank"產(chǎn)生式規(guī)則：在條件、因果等類型的判斷中所采用的一種對知識(shí)進(jìn)行表示的方法。其基本的形式是P→Q，或者是ifPthenQ。這里這個(gè)產(chǎn)生式規(guī)則與剛才的謂詞邏輯中的“蘊(yùn)涵（→）式”表示還是有區(qū)別的，后者是一種精確的匹配，即如果x，則100%的會(huì)是y，而前者則可以表示一種模糊匹配，有一定的置信度，即發(fā)生概率。例如：if“咳嗽and發(fā)燒”，then“感冒”，置信度80%。這里if部分表示條件部，then部分表示結(jié)論部，置信度表示當(dāng)滿足條件時(shí)得到結(jié)論的發(fā)生\t"/item/%E7%9F%A5%E8%AF%86%E8%A1%A8%E7%A4%BA/_blank"概率。這整個(gè)部分就形成了一條規(guī)則，表示的就是這樣一類因果知識(shí)：“如果病人發(fā)燒且咳嗽，則他很有可能是感冒了”。第6章農(nóng)業(yè)大數(shù)據(jù)技術(shù)數(shù)據(jù)管理的發(fā)展階段（1）人工管理階段（自遠(yuǎn)古時(shí)代到20世紀(jì)50年代）：因此數(shù)據(jù)處理的方法保持著簡單低級(jí)的手工操作。人們只能借助于如算盤、計(jì)算尺、和低等計(jì)算機(jī)處理數(shù)據(jù)。數(shù)據(jù)不保存、不共享；（2）文件系統(tǒng)階段（20世紀(jì)50年代后期至20世紀(jì)60年代中期）：數(shù)據(jù)以文件形式長期保存，文件系統(tǒng)可對數(shù)據(jù)的存取進(jìn)行管理，數(shù)據(jù)共享性差。（3）數(shù)據(jù)庫系統(tǒng)階段（20世紀(jì)60年代后期至今）解決了多用戶數(shù)據(jù)共享的問題，實(shí)現(xiàn)對數(shù)據(jù)的集中統(tǒng)一管理，具有較高的數(shù)據(jù)獨(dú)立性，并為數(shù)據(jù)提供各種保護(hù)措施。事務(wù)性數(shù)據(jù)處理過程也稱為面向交易的處理過程，業(yè)務(wù)數(shù)據(jù)處理過程，其基本特征是前臺(tái)接收的用戶數(shù)據(jù)可以立即傳送到計(jì)算中心進(jìn)行處理，并在很短的時(shí)間內(nèi)給出處理結(jié)果，是對用戶操作快速響應(yīng)的方式之一。其特點(diǎn)是：支持大量并發(fā)用戶定期添加和修改數(shù)據(jù)；大部分事務(wù)能夠很快地完成，并且只需訪問相對較少的數(shù)據(jù)；實(shí)時(shí)性要求高。關(guān)系型數(shù)據(jù)庫關(guān)系型數(shù)據(jù)庫采用了關(guān)系模型來組織數(shù)據(jù)的數(shù)據(jù)庫，其以行和列的形式存儲(chǔ)數(shù)據(jù)，關(guān)系型數(shù)據(jù)庫這一系列的行和列被稱為表，一組表組成了數(shù)據(jù)庫。關(guān)系型數(shù)據(jù)庫更適合有結(jié)構(gòu)數(shù)據(jù)的事務(wù)處理過程。SQL語言結(jié)構(gòu)化查詢語言(StructuredQueryLanguage)簡稱SQL，是一種特殊目的的編程語言，是一種數(shù)據(jù)庫查詢和程序設(shè)計(jì)語言，用于存取數(shù)據(jù)以及查詢、更新和管理關(guān)系數(shù)據(jù)庫系統(tǒng)。其主要功能有：（1）數(shù)據(jù)定義：其語句包括動(dòng)詞CREATE,ALTER和DROP。在數(shù)據(jù)庫中創(chuàng)建新表或修改、刪除表（CREATTABLE或DROPTABLE）；為表加入索引等。（2）數(shù)據(jù)查詢：用以從表中獲得數(shù)據(jù)，確定數(shù)據(jù)怎樣在應(yīng)用程序給出。保留字SELECT用得最多的動(dòng)詞，其他常用的保留字有WHERE，ORDERBY，GROUPBY和HAVING。這些保留字常與其它類型的SQL語句一起使用。（3）數(shù)據(jù)操作：其語句包括動(dòng)詞INSERT、UPDATE和DELETE。它們分別用于添加、修改和刪除。（4）數(shù)據(jù)控制：通過GRANT或REVOKE語句實(shí)現(xiàn)權(quán)限控制，確定單個(gè)用戶和用戶組對數(shù)據(jù)庫對象的訪問。某些RDBMS可用GRANT或REVOKE控制對表單個(gè)列的訪問。（5）事務(wù)控制：它的語句能確保被DML語句影響的表的所有行及時(shí)得以更新。包括COMMIT（提交）命令、SAVEPOINT（保存點(diǎn)）命令、ROLLBACK（回滾）命令。三次信息化浪潮信息化浪潮發(fā)生時(shí)間代表技術(shù)解決問題代表企業(yè)第一次浪潮1980年前后個(gè)人計(jì)算機(jī)信息處理Intel、AMD、IBM、蘋果、微軟、聯(lián)想、戴爾、惠普等第二次浪潮1995年前后互聯(lián)網(wǎng)信息傳輸雅虎、谷歌、阿里巴巴、百度、騰訊等第三次浪潮2010年前后物聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)信息爆炸將涌現(xiàn)出一批新的市場標(biāo)桿企業(yè)大數(shù)據(jù)的特征大數(shù)據(jù)的4個(gè)“V”，或者說是大數(shù)據(jù)的四個(gè)特點(diǎn)，包含四個(gè)層面：第一，數(shù)據(jù)體量巨大。從TB級(jí)別，躍升到PB級(jí)別；第二，數(shù)據(jù)類型繁多。前文提到的網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息等等。第三，價(jià)值密度低，商業(yè)價(jià)值高。以視頻為例，連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅有一兩秒。第四，處理速度快。1秒定律。最后這一點(diǎn)也是和傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)有著本質(zhì)的不同。業(yè)界將其歸納為4個(gè)“V”——Volume，Variety，Value，Velocity。大數(shù)據(jù)思維的特征大數(shù)據(jù)思維有3個(gè)方面的特征:第一，需要全部數(shù)據(jù)樣本而不是抽樣樣本。使用全數(shù)據(jù)樣本傳統(tǒng)的統(tǒng)計(jì)學(xué)根據(jù)有限的數(shù)據(jù)樣本去分析推理，以達(dá)到理解研究對象及規(guī)律的目的，數(shù)據(jù)及樣本的限制難免會(huì)產(chǎn)生誤差，當(dāng)數(shù)據(jù)量足夠大的時(shí)候，就無需使用樣本來理解事物，因此，大數(shù)據(jù)是全數(shù)據(jù)思維，全方位真實(shí)立體反映客觀事物，發(fā)掘隱藏的規(guī)律和關(guān)聯(lián)，甚至可以做出準(zhǔn)確的預(yù)測，也就是說，一切用數(shù)據(jù)說話。第二，重視效率而非精準(zhǔn)度。在數(shù)據(jù)有限的情況下，數(shù)據(jù)的準(zhǔn)確性非常重要，否則會(huì)被誤導(dǎo)。但當(dāng)數(shù)據(jù)足夠大時(shí)，可以接受一定的錯(cuò)誤存在，大數(shù)據(jù)仍然可以準(zhǔn)確預(yù)測事物發(fā)展的趨勢，因此人們不會(huì)把精力放在少數(shù)數(shù)據(jù)是否精準(zhǔn)之上，而是盡快根據(jù)大數(shù)據(jù)給出的趨勢，迅速采取相應(yīng)的決策和行動(dòng)，特別在市場銷售領(lǐng)域，這樣就能盡快搶占市場先機(jī)，這就是重視效率而非精準(zhǔn)度的思維方式。第三，關(guān)注相關(guān)性而不是因果關(guān)系。長久以來人們對世界的了解多采用因果思維的方式，數(shù)據(jù)可以展示出“是什么”，人們通過數(shù)據(jù)進(jìn)而發(fā)掘“為什么”，通過這樣的過程不斷進(jìn)行科學(xué)研究和探索，但大數(shù)據(jù)的出現(xiàn)帶來了全新認(rèn)知方式。以經(jīng)典的沃爾瑪“啤酒+尿布”營銷案例為例，在傳統(tǒng)的貨架展示中，超市會(huì)對貨品進(jìn)行分門別類的擺放，啤酒和尿布這2件不相干的商品不會(huì)擺在一起，但大數(shù)據(jù)顯示，伴隨尿布被一起銷售的東西往往是啤酒，這個(gè)現(xiàn)象與美國文化有關(guān)，即父親會(huì)在下班路上去超市采購，他們會(huì)在買尿布時(shí)順便買啤酒，于是超市工作人員會(huì)將啤酒和尿布擺放在一起，明顯提升了銷售量。這個(gè)案例說明，大數(shù)據(jù)讓人們看到了尿布和啤酒的相關(guān)性，這是用因果思維方式看不到、想不到的。大數(shù)據(jù)處理流程數(shù)據(jù)采集：利用多個(gè)數(shù)據(jù)庫來接受傳感器以及社交、互聯(lián)網(wǎng)等客戶端應(yīng)用系統(tǒng)數(shù)據(jù)。數(shù)據(jù)預(yù)處理和導(dǎo)入：對數(shù)據(jù)進(jìn)行清洗和預(yù)處理，導(dǎo)入大數(shù)據(jù)平臺(tái)。數(shù)據(jù)存儲(chǔ)和管理：利用分布式文件系統(tǒng)和非關(guān)系型數(shù)據(jù)庫管理復(fù)雜結(jié)構(gòu)的大數(shù)據(jù)。數(shù)據(jù)分析和挖掘：對存儲(chǔ)的海量數(shù)據(jù)進(jìn)行普通的分析和分類匯總；基于各種智能算法進(jìn)行計(jì)算，數(shù)據(jù)挖掘，實(shí)現(xiàn)高級(jí)數(shù)據(jù)分析數(shù)據(jù)可視化：允許利用圖形、圖像處理、計(jì)算機(jī)視覺以及用戶界面，通過表達(dá)、建模以及對立體、表面、屬性以及動(dòng)畫的顯示，對數(shù)據(jù)加以可視化解釋。清晰有效地傳達(dá)與溝通信息。大數(shù)據(jù)平臺(tái)Hadoop概述Hadoop是Apache軟件基金會(huì)旗下的一個(gè)開源分布式計(jì)算平臺(tái)，為用戶提供了系統(tǒng)底層細(xì)節(jié)透明的分布式基礎(chǔ)架構(gòu)；Hadoop是基于Java語言開發(fā)的，具有很好的跨平臺(tái)特性，并且可以部署在廉價(jià)的計(jì)算機(jī)集群中；Hadoop被公認(rèn)為行業(yè)大數(shù)據(jù)標(biāo)準(zhǔn)開源軟件，在分布式環(huán)境下提供了海量數(shù)據(jù)的處理能力；幾乎所有主流廠商都圍繞Hadoop提供開發(fā)工具、開源軟件、商業(yè)化工具和技術(shù)服務(wù)，如谷歌、雅虎、微軟、思科、淘寶等，都支持Hadoop。Hadoop以Hadoop分布式文件系統(tǒng)（HDFS，HadoopDistributedFileSystem）和MapReduce（GoogleMapReduce的開源實(shí)現(xiàn)）為核心，前者解決了大數(shù)據(jù)的分布式存儲(chǔ)問題，后者解決了大數(shù)據(jù)的分布式處理問題。Hadoop為用戶提供了系統(tǒng)底層細(xì)節(jié)透明的分布式基礎(chǔ)架構(gòu)。HDFS的高容錯(cuò)性、高伸縮性等優(yōu)點(diǎn)允許用戶將Hadoop部署在低廉的硬件上，形成分布式系統(tǒng)；MapReduce分布式編程模型允許用戶在不了解分布式系統(tǒng)底層細(xì)節(jié)的情況下開發(fā)并行應(yīng)用程序。所以，用戶可以利用Hadoop輕松地組織計(jì)算機(jī)資源，從而搭建自己的分布式計(jì)算平臺(tái)，并且可以充分利用集群的計(jì)算和存儲(chǔ)能力，完成海量數(shù)據(jù)的處理。Hadoop的技術(shù)架構(gòu)Hadoop生態(tài)系統(tǒng)又許多組建構(gòu)成。下面的圖表展示了Hadoop生態(tài)系統(tǒng)的一些組成部分以及功能。組件功能HDFS分布式文件系統(tǒng)MapReduce分布式并行編程模型YARN資源管理和調(diào)度器Tez運(yùn)行在YARN之上的下一代Hadoop查詢處理框架HiveHadoop上的數(shù)據(jù)倉庫HBaseHadoop上的非關(guān)系型的分布式數(shù)據(jù)庫Pig一個(gè)基于Hadoop的大規(guī)模數(shù)據(jù)分析平臺(tái)，提供類似SQL的查詢語言PigLatinSqoop用于在Hadoop與傳統(tǒng)數(shù)據(jù)庫之間進(jìn)行數(shù)據(jù)傳遞OozieHadoop上的工作流管理系統(tǒng)Zookeeper提供分布式協(xié)調(diào)一致性服務(wù)Flume一個(gè)高可用的，高可靠的，分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng)AmbariHadoop快速部署工具，支持ApacheHadoop集群的供應(yīng)、管理和監(jiān)控Kafka一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)，可以處理消費(fèi)者規(guī)模的網(wǎng)站中的所有動(dòng)作流數(shù)據(jù)Spark類似于HadoopMapReduce的通用并行框架第7章程序設(shè)計(jì)語言及工具1.第一臺(tái)計(jì)算機(jī)世界上第一臺(tái)通用計(jì)算機(jī)“ENIAC”于1946年2月14日在\t"/item/%E7%AC%AC%E4%B8%80%E4%BB%A3%E7%94%B5%E5%AD%90%E8%AE%A1%E7%AE%97%E6%9C%BA/_blank"美國\t"/item/%E7%AC%AC%E4%B8%80%E4%BB%A3%E7%94%B5%E5%AD%90%E8%AE%A1%E7%AE%97%E6%9C%BA/_blank"賓夕法尼亞大學(xué)誕生。發(fā)明人是美國人莫克利（JohnW.Mauchly）和艾克特（J.PresperEckert）。\t"/item/%E7%AC%AC%E4%B8%80%E4%BB%A3%E7%94%B5%E5%AD%90%E8%AE%A1%E7%AE%97%E6%9C%BA/_blank"美國國防部用它來進(jìn)行彈道計(jì)算。它是一個(gè)龐然大物，用了18000個(gè)電子管，占地150平方米，重達(dá)30噸，耗電功率約150千瓦，每秒鐘可進(jìn)行5000次運(yùn)算，這在現(xiàn)在看來微不足道，但在當(dāng)時(shí)卻是破天荒的。ENIAC以電子管作為元器件，所以又被稱為電子管計(jì)算機(jī)，是計(jì)算機(jī)的第一代。電子管計(jì)算機(jī)由于使用的電子管體積很大，耗電量大，易發(fā)熱，因而工作的時(shí)間不能太長。最初ENIAC的程序設(shè)置需靠人工移動(dòng)開關(guān)、連接電線來完成，改動(dòng)一次程序要花一星期時(shí)間。第一臺(tái)計(jì)算機(jī)時(shí)電子管計(jì)算機(jī)（現(xiàn)在是晶體管集成電路），程序編寫是插線式（現(xiàn)在是存儲(chǔ)程序式）。馮·諾依曼提出了計(jì)算機(jī)制造的三個(gè)基本原則，即采用二進(jìn)制邏輯、程序存儲(chǔ)執(zhí)行以及計(jì)算機(jī)由五個(gè)部分組成（運(yùn)算器、控制器、存儲(chǔ)器、輸入設(shè)備、輸出設(shè)備），這套理論被稱為馮·諾依曼體系結(jié)構(gòu)。程序存儲(chǔ)執(zhí)行：任何要計(jì)算機(jī)完成的工作都要事先編寫成程序，然后將程序和原始數(shù)據(jù)送入主存并啟動(dòng)執(zhí)行。一旦程序被啟動(dòng)，計(jì)算機(jī)應(yīng)能在不需要操作人員干預(yù)下，自動(dòng)完成逐條取出指令和執(zhí)行指令的任務(wù)。3馮·諾依曼結(jié)構(gòu)的計(jì)算機(jī)模型五個(gè)組成部分：運(yùn)算器、控制器、存儲(chǔ)器、輸入設(shè)備、輸出設(shè)備存儲(chǔ)器可以存放數(shù)據(jù)，也可以存放指令，形式上二者沒有區(qū)別，但是計(jì)算機(jī)能夠區(qū)分?jǐn)?shù)據(jù)和指令?？刂破髂軌蜃詣?dòng)去取指令來執(zhí)行，另外，控制器負(fù)責(zé)協(xié)調(diào)各個(gè)部件工作。運(yùn)算器能夠進(jìn)行加/減/乘/除四種基本算術(shù)運(yùn)算，并且也能進(jìn)行邏輯運(yùn)算和附加運(yùn)算。操作人員可以通過輸入設(shè)備和輸出設(shè)備與主機(jī)進(jìn)行通信。4.指令指令：計(jì)算機(jī)能直接識(shí)別、執(zhí)行的某種操作命令。指令執(zhí)行的過程：取指令、指令譯碼、執(zhí)行指令、訪存取數(shù)、結(jié)果寫回。程序一組指示計(jì)算機(jī)執(zhí)行動(dòng)作或做出判斷的指令，通常用某種程序設(shè)計(jì)語言編寫，運(yùn)行于某種目標(biāo)體系結(jié)構(gòu)上。程序也是告訴計(jì)算機(jī)處